ECサイトの商品ページを、Perplexityにどう見せればいいのか。検索してみても、Googleの構造化データガイドはたくさん出てくるのに、Perplexity向けにまとまった情報はなかなか見つからない。
そういう状態のまま、この記事にたどり着いた方が多いのではないかと思います。
この記事は、自社のECサイトがPerplexityにどう扱われているか、まず確認したい方を想定して書きました。PerplexityBotの仕組みから、商品ページを機械可読にするschema.org Productの実装、そして「選定基準そのものは非公開」という現実まで、図解と会話をはさみながら整理します。
こんなふうに調べていませんか
- ChatGPTやPerplexityに「EC Perplexity 対策」と聞いても、記事向けの情報しか出てこなかった
- 「EC Perplexity 引用」で検索して、商品ページを引用してもらうための条件を探している
- 上司から「うちの商品もAI検索に出るようにして」と言われたが、何から手をつければいいか分からない
この記事を読み終えたときに手に入るもの
- PerplexityBotとPerplexity-Userという2種類のクローラーの違いを説明できるようになります
- 商品ページを機械可読にするschema.org Productの実装ポイントが分かります
- 「選定基準は非公開」という前提のもとで、今できることが整理できます
結論30秒でわかる、この記事の結論
- EC事業者のPerplexity対策とは、商品データを機械可読に整え、引用条件を満たす取り組みです。
- 土台になるのは2つ。PerplexityBotのクロール許可と、schema.org Productによる機械可読化です。どちらも公式に確認できる事実です。
- ただし、Perplexityが商品ページをどう選んで引用するか、選定基準そのものは公式に公開されていません。
この記事では、あるEC事業者のマーケティング部の3人と、専門家の会話をはさみながら進めます。あなたに近い立場の人の質問から読んでいただいて構いません。
- 若葉さん（Web担当2年目）— 「そもそも、それって何ですか？」を聞く役
- 高梨課長（マーケ課長）— 「誰が、どれくらいの手間でやるんですか？」を聞く役
- 大森部長（マーケ部長）— 「それで売上にどう効くんだ」を聞く役
- 鈴木さん（AIO/SEOの専門家・本誌監修）— 答える役
01そもそも、EC事業者のPerplexity引用対策って、AI検索対策として何をすることですか？
若葉さんあの、そもそもなんですが、Perplexity向けの対策って、いつものSEOと何が違うんでしょうか。うちは検索順位のことしか気にしたことがなくて…。
鈴木さんはい、そこは目的そのものが変わると考えるとすっきりしますよ。従来のEC向けSEOは、検索結果での上位表示とクリック獲得が前提でした。Perplexityのようなエンジンでは、回答の中に商品情報が直接引用されるかどうかが重要になります。
EC事業者のPerplexity対策とは、商品データを機械可読に整え、引用条件を満たす取り組みです。順位を上げて自分でクリックしてもらう発想から、AIの回答の中に商品情報そのものが引用される発想への切り替えが必要になります。これは、EC領域におけるAI検索最適化（LLMOとも呼ばれます）の実践そのものです。
この章のまとめ
EC事業者のPerplexity対策とは、商品データを機械可読に整え、引用条件を満たす取り組みです。順位ではなく、AIの回答内に引用されるかどうかが評価の中心になります。
02Perplexityに引用される「機械可読」な商品データとは、AIOではどういう状態ですか？
若葉さん「機械可読」という言葉が、まだイメージできていなくて…。人が読む文章とは、何が違うんでしょうか。
鈴木さんプログラムが値として正確に読み取れるかどうか、そこが分かれ目です。文章に書いてあるだけでは足りないんですよ。
ここで言う「機械可読」とは、価格や在庫状況を、人が読む文章としてだけでなく、プログラムが値として正確に読み取れる形式でも書いておく、という意味です。商品説明文の中に価格や在庫の情報が書かれていても、それだけではAIが確実に値として認識できるとは限りません。次の章以降で扱うクローラーの仕組みと構造化データの実装は、この「機械にも読める形にする」ための土台にあたります。
この章のまとめ
「機械可読」とは、価格や在庫を人が読む文章としてだけでなく、プログラムが値として読み取れる形式でも書いておくことです。クローラーの仕組みと構造化データの実装が、その土台になります。
03PerplexityBotとPerplexity-Userは、AI検索でどう役割が違うんですか？
高梨課長鈴木さん、Perplexityのクローラーって、いくつあるんでしょうか。robots.txtでどう扱えばいいのか、まず知っておきたくて。
鈴木さん2種類あります。 役割が違うので、それぞれの扱い方を分けて考える必要がありますよ。
Perplexity公式のクローラー資料によると、Perplexityは2種類のクローラーを使い分けています。一つは検索結果への掲載・引用のために巡回するPerplexityBotです。もう一つはユーザーの質問時にページを訪問するPerplexity-Userです。前者はrobots.txtのルールに従いますが、後者は基本的に無視すると明記されています。
この章のまとめ
Perplexityのクローラーは2種類です。PerplexityBotは検索結果への掲載・引用のために巡回し、Perplexity-Userはユーザーの質問時にページを訪問します。
04robots.txtでPerplexityの巡回は、AI検索対策としてどこまで止められるんですか？
高梨課長robots.txtに書いておけば、Perplexityからのアクセスは全部制御できるという理解でいいでしょうか。
鈴木さんそこは分けて考えてください。止められるのはPerplexityBotの側だけです。
ここで注意したいのは、robots.txtで制御できるのはPerplexityBotの側だけだという点です。Perplexity-Userは「基本的に無視する」と明記されているため、robots.txtで一律にブロックしたつもりでも、ユーザーが実際に質問した瞬間の訪問までは止められません。制御できる対象と、できない対象を分けて理解しておくことが、この章の実務上の要点です。
この章のまとめ
robots.txtで制御できるのはPerplexityBotの側だけです。Perplexity-Userは原則無視するため、質問された瞬間の訪問までは止められません。EC事業者がまず確認すべきは、PerplexityBotをブロックしていないかどうかです。
05Perplexityに引用されるために、schema.org Productでは、商品データをAI検索最適化のためにどう書くんですか？
高梨課長robots.txtの確認は分かりました。それで、商品データそのものを機械可読にするには、何を実装すればいいんでしょうか。
鈴木さんそこは、schema.org Productの出番です。sku・reviewをProduct直下に、価格・在庫はoffers(Offer型)経由でprice・availabilityを記述します。
schema.orgのProduct型は、価格・在庫状況・レビュー・商品識別子など、EC商品ページで使う主要プロパティを定義しています。仕様を整理すると、次のようになります。
| 項目 | 内容 |
|---|---|
| 検索用クローラー | PerplexityBot（robots.txt準拠） |
| 質問時フェッチャー | Perplexity-User（robots.txt原則無視） |
| 商品データの機械可読化 | schema.org Product（sku・review、価格・在庫はoffers＝Offer型経由でprice・availabilityを記述） |
| 引用されやすい文章の型 | 統計データ・引用句・出典明記（GEO論文で改善が確認された型） |
| 購入連携機能 | Buy with Pro・Merchant Program |
購入連携機能の詳細は公式ヘルプの公開範囲が限られているため、最新状況は別記事『ECのAIO事例｜エージェントコマース最前線と再現のポイント』とあわせて確認してください。構造化データとAI引用の相関を検証したデータは、別記事『Schema markupとAI引用の相関｜SSRN論文検証』で解説しています。
この章のまとめ
schema.org Productで、sku・reviewをProduct直下に、価格・在庫はoffers経由でprice・availabilityとして記述します。これが、商品データを機械可読にする土台です。
06引用されやすい文章って、LLMOではどんな書き方なんですか？
若葉さん商品データを機械可読にするのは分かりました。文章そのものの書き方でも、工夫できることってあるんでしょうか。
鈴木さんあります。 プリンストン大学などの研究チームによる「GEO」論文で、効果が確認されている型が3つあるんですよ。
プリンストン大学などの研究チームによる「GEO（生成エンジン最適化）」論文では、統計データや引用句、出典明記といった工夫を加えることで、生成エンジンでの可視性が最大40%向上したと報告されています。EC商品ページの場合、価格・在庫数・レビュー件数といった数字をそのまま明記する書き方が、この型と自然に重なります。
これは、記事コンテンツを書くときのように新しく統計データを調べて追加する必要がない、という意味でもあります。商品ページにはもともと、価格・在庫・レビューという数字が存在しています。それを説明文の中で言い換えたり、あいまいな表現(「お求めやすい価格」など)に置き換えたりせず、数字のまま残しておくことのほうが実務上は重要になります。
3つの型ごとの詳しい改善率は、別記事『Perplexityに引用される文章とは？研究データで分かる3つの型』にまとめています。
この章のまとめ
統計データ・引用句・出典明記の3つの型が、生成エンジンでの可視性向上と関連づけて報告されています。EC商品ページは、価格や在庫数という数字をもともと持っている分、この型と相性がよい領域です。
07Perplexity対策で、AI検索の国内成功事例はありますか？
大森部長鈴木さん、話はよく分かった。それで、これをやって実際に売上へどう効いたんだ？国内で先を走っている会社の事例はあるのか？
鈴木さん正直に言うと、国内EC事業者の実名事例は、まだ公開されていません。海外ではShopify・Etsyなどの実績データが公開されています。
国内EC事業者の実名事例はまだ公開されておらず、Perplexity経由の流入・引用による商品ページの定量的な成果は、本稿執筆時点で一次情報から確認できていません。海外ではShopify・Etsyなどの実績データが公開されており、別記事『ECのAIO事例』で、エージェントコマースの文脈とあわせて解説しています。
大森部長分かった。断定はできない、ということも含めて理解した。
この章のまとめ
国内EC事業者の実名事例は、本稿執筆時点では確認できていません。海外ではShopify・Etsyなどの実績データが公開されています。
08EC・通販業界のAI検索対策では、Perplexityの参照元はどんなサイトですか？
高梨課長国内の実名事例が無いとして、参照元になっているサイトの傾向くらいは分かるのでしょうか。
鈴木さんそこは調査データがあります。公式サイト以外にも、参照元は幅広く分散しています。
実名事例は無くても、参照元の傾向を調べたデータはあります（出典: secondz digital、2026年3月25日公表）。上位はWikipedia・ecbeing・PR TIMESの順で、公式サイト以外にも参照元は幅広く分散しています。AIは商品について答えるとき、自社サイトの外にある記述も並べて読んでいる、ということです。自社の商品ページがこの参照元の一角に入れるかどうかは、EC事業者にとって無視できない論点になります。
この章のまとめ
参照元の上位はWikipedia・ecbeing・PR TIMESの順と報告されています。自社ドメインの外にも自社商品の記述が並ぶ前提で、商品ページ側の機械可読性を整えます。
09Perplexityだけに絞った対策で、EC事業者のAI検索対策としては十分ですか？
高梨課長ここまでの内容を、実際にうちの体制でやるとしたら、何から着手するのが現実的でしょうか。
鈴木さんWEBMARKSでは、Perplexity対策を単独の施策として考えるより、schema.org Productの整備を通常のEC運用の一部に組み込む発想を推奨しています。
構造化データは検索エンジン向けの特別な対応ではなく、商品情報を正確に伝えるための基礎作業です。Google側の対応は、別記事『ECのAI Overviews対策｜ショッピング機能との連動設計』で扱っています。EC事業者は、特定1社のAI検索エンジンに絞らず、商品データの機械可読化という共通基盤から着手することをおすすめします。
この章のまとめ
Perplexity専用の施策を探すより、商品データの機械可読化という共通基盤から着手します。同じ土台がGoogle側の対応にもそのまま効きます。
10EC運用のどこにPerplexityの引用対策を足せば、AI対策として回りますか？
大森部長新しい担当や新しいチームを立てる必要があるのか。そこが判断のわかれ目だ。
鈴木さん要りません。既存の運用フローにチェック項目を1つ足す、という捉え方が現実的です。
「Perplexity専用の対応」を新設しようとすると、担当者の確保や運用ルールの整備からやり直すことになり、着手が遅れがちです。一方で、schema.org Productの整備は、通常のEC運用（商品登録・在庫管理・レビュー管理）の延長線上にある作業です。新しいチームを作るのではなく、既存の運用フローの中にチェック項目を1つ足す、という捉え方のほうが現実的に回ります。
この章のまとめ
Perplexity対策は、単独の施策として積み上げるより、通常のEC運用（構造化データの整備・在庫管理・商品説明文の書き方）に組み込む発想が実務的です。
11よくある質問
schema.org Productを実装すれば、Perplexityに優先的に引用されますか？
優先的な引用を保証するものではありません。schema.org公式もPerplexity公式も、構造化データの実装が引用を保証するとは明記していません。機械可読な情報を土台に、統計データや出典明記を含む説明文を用意することが実務的な対応です。
在庫切れの商品ページはどう扱うべきですか？
公式ドキュメント上に、在庫切れページ特有の指示はありません。一般的にはavailabilityプロパティを正しく更新し、代替商品への導線を用意しておくことが、機械可読性と読者双方にとって有効です。
Perplexity対策とGoogleショッピングのAI Overviews対策は同じ準備で足りますか？
土台となる構造化データの整備は共通しますが、参照する仕組みは異なります。Google側の対応は別記事『ECのAI Overviews対策｜ショッピング機能との連動設計』で扱っています。
自社の商品ページを整えるだけで、Perplexityの参照元として足りますか？
足りるとは言い切れません。EC・通販業界の参照元調査（secondz digital）では、参照元は自社ドメイン以外にも幅広く分散していました。商品ページの機械可読化は前提として進めたうえで、自社の外にある自社商品の記述と内容が食い違っていないかもあわせて確認してください。
12まとめ｜今日やる3つのこと
EC事業者のPerplexity対策は、PerplexityBotのクロールを妨げないことと、schema.org Productで商品データを機械可読にすることが土台になります。選定基準そのものが非公開である以上、機械可読性と読みやすさの両立を地道に積み上げる姿勢が実務的な対応です。
今日この順でやります
robots.txtでPerplexityBotを確認する
Disallowで意図せずブロックしていないかを見ます
schema.org Productを実装する
offers経由でprice・availabilityを、Product直下でreview・skuを機械可読にします
商品説明文に数字を明記する
価格・スペックなどを具体的な言葉で書きます
AI検索では、こう聞かれています
EC事業者のPerplexity対策って、何をすればいいですか？
「そもそも、EC事業者のPerplexity引用対策って、AI検索対策として何をすることですか？」の章で説明しています
PerplexityBotとPerplexity-User、何が違うんですか？
「PerplexityBotとPerplexity-Userは、AI検索でどう役割が違うんですか？」の章に、図解と対比表があります
商品ページをPerplexityに引用してもらうには、何が必要ですか？
「Perplexityに引用されるために、schema.org Productでは、商品データをAI検索最適化のためにどう書くんですか？」に実装の要点があります
Perplexity対策で、国内の成功事例はありますか？
「Perplexity対策で、AI検索の国内成功事例はありますか？」で、分かっていることと分かっていないことを分けて説明しています
次に読むなら、この記事です
